python的numpy库提供矩阵操作功能，因此我们需要在需要矩阵操作时导入numpy包。

导入和使用numpy

fromnumpyimport*;#导入numpy的库函数
importnumpyasnp;#这样使用numpy函数时，需要npy.开头。

矩阵的创建

矩阵是由一维或二维数据创建的

>>>fromnumpyimport*
>>>a1=array(1，2，3)
>>>a1
array(1，2，3)
>>>a1=mat(a1)
>>>a1
matrix([1，2，3])
>>>shape(a1)
(1,3)
>>>b=matrix(1，2，3)
>>>shape(b)
(1,3)

常见的矩阵操作

1. 矩阵相乘

>>>a1=mat([1,2]);
>>>a2=mat([1]，[2]]);
>>>a3=a1*a2#1*2矩阵乘以2*1矩阵，得到1*1矩阵
>>>a3
matrix([5])

2. 矩阵点乘

相应元素的矩阵相乘

>>>a1=mat([1,1]);
>>>a2=mat([2,2]);
>>>a3=multiply(a1,a2)
>>>a3
matrix([2，2])

矩阵点乘

>>>a1=mat([2,2]);
>>>a2=a1*2
>>>a2
matrix([4，4])

3、矩阵求逆，转置矩阵求逆

>>>a1=mat(eye*0.5(2)
>>>a1
matrix([[0.5,0.],
[0.0.5]]
>>>a2=a1.I#逆矩阵matrix([0.5，0]，[0，0.5]])
>>>a2
matrix([[2.,0.],
[0.,2.]])

矩阵转置

>>>a1=mat([1，1]，[0，0]])
>>>a1
matrix([1，1]，
[0,0]])
>>>a2=a1.T
>>>a2
matrix([1，0]，
[1,0]])

4.计算矩阵对应行列的最小值和和。

>>>a1=mat([1，1]，[2，3]，[4，2]])
>>>a1
matrix([1，1]，
[2,3],
[4,2]])

计算每一列，行的和

>>>a2=a1.sum(axis=0)#列和，这里得到1*2矩阵
>>>a2
matrix([7，6])
>>>a3=a1.sum(axis=1)#行和，这里得到3*1矩阵
>>>a3
matrix([[2],
[5],
[6]])
>>>a4=sum(a1[1,:])#计算第一行所有列的和，这里得到的是一个值
>>>a4
5#第0行：1+1；第2行：2+3；第3行：4+2

请关注Python自学网了解更多Python知识。